高分辨率谷歌地球遙感數據與Landsat 8 OLI影像的融合方法研究

楊 棟，李彥甫，李洪偉，段 磊，劉 勇

(蘭州大學資源環境學院，甘肅蘭州730000)

谷歌地球(Google Earth)作為一種易學易用的地理信息應用平臺已經得到廣泛使用，特別是其中包含的亞米級QuickBird、WorldView-II以及航攝影像，更是一種難得的遙感數據資源。從谷歌地球可獲取免費的高分辨率影像數據源，可以提供不同分辨率的影像，分辨率最高可達0.15 m。然而這些數據經過處理已經明顯失去光譜和色彩信息，難以滿足遙感制圖需求。因此，結合中分辨率、多光譜數據與谷歌地球高分辨率影像這兩方面的優勢，從而產生色彩信息豐富并達到高空間分辨率的融合影像，對于滿足低成本、大比例尺制圖需求就具有十分重要的意義。目前的融合算法中全色和多光譜數據之間的空間分辨率差異在1∶2～1∶4。而當影像的空間分辨率差異超過一定的閾值后，融合結果會表現出明顯的馬賽克現象。特別是在影像的色彩和紋理變化極其復雜的區域，鄰域像元間DN值對比太大，導致融合結果不理想。

對于分辨率差異較大的影像融合問題，Shevyrnogov等對NOAA AVHRR從1 000 m重采樣到100 m計算NDVI，然后和MSS的第一主分量進行融合，得到了比較理想的結果［1］。Mularz等先采用濾波方法對低分辨率的Landsat TM影像進行平滑，然后與高分辨率航空像片進行融合，有效消除了分辨率差異導致的馬賽克效應［2］。Erdogan等對航空像片和Landsat 7 ETM+影像融合，發現ETM+多波段影像與全色波段影像融合后再和航空像片融合時采用主成分變換的結果更好［3］。李軍等提出結合小波變換和IHS變換的疊加融合法［4］。鐘志勇等提出了一種基于信息特征的IKONOS和TM影像的融合方法［5］。王文君等采用小波變換增強高分辨率影像中目標地物的邊緣信息，然后與多光譜影像進行融合，得到理想的結果［6］。

為此，筆者以高分辨率谷歌地球遙感數據的任意一個波段作為高分辨率影像和一景成像時間為2013年10月11日Landsat 8光學陸地成像儀(OLI)影像進行融合，探討了兩者的融合方法，以滿足大比例尺制圖的需求。

1 研究方法

以蘭州大學榆中校區為研究區，研究區西側是萃英山，校園周圍地勢比較平坦，土地利用以耕地為主。Landsat 8 OLI中包含8個30 m可見光/近紅外/短波紅外波段和1個15 m全色波段。谷歌地球第18級影像分辨率的空間0.5～0.6 m，與OLI多光譜波段的30 m空間分辨率相差約50倍。

在融合時，首先用Brovey變換方法對OLI影像的多光譜和全色波段進行融合，得到空間分辨率15 m的多光譜影像。然后，分別使用Brovey變換、Gram-Schmidt變換和主成分變換方法進一步與谷歌地球影像進行融合，以比較不同方法的優劣。其中，Brovey變換方法基于除法運算實現了影像融合，是影像融合的基本方法;Gram-Schmidt變換方法則借助Gram-Schmidt變換實現了影像融合;主成分變換方法基于主成分變換，用全色波段替換第一主成分來完成影像融合。數據處理及融合基于Exclis ENVI/IDL和ERDASImagine軟件完成。

最后，對融合結果從目視效果和定量評價方面進行了分析。為了進一步將融合結果與谷歌地球原始影像進行比較，采用以下指標對融合結果分別進行了定量評價［7－8］:波段均值(Mean)、標準差、信息熵(Ent)、平均梯度(AveGrad)、相關系數(R)。在定量評價指標中，均值、標準差和信息熵反映了融合結果影像中所包含的信息量，平均梯度反映了融合結果的清晰度和對比度，相關系數反映了融合結果的逼真度。

2 結果及其評價

從圖1可以看出，Brovey變換的結果包含了充分的地物細節，但色調效果比較單一，沒有充分增強色彩信息。而Gram-Schmidt變換和主成分變換的融合結果相對比較理想，兩者之間也沒有明顯的差異，整體而言融合結果比較理想，特別是在地物顏色相對單一、變化較小的區域，如西側的萃英山和學校周圍的耕地。

圖1 融合結果

表1是定量評價的計算結果。從表1可以看出，Brovey變換的結果除了相關系數和信息熵之外，其他各項的值均大幅降低，而且與另外兩種方法的結果差距較大，說明該方法的確不能產生可用的結果。其次，Gram-Schmidt變換和主成分變換結果的均值和標準差明顯增加，這說明結果中所包含的信息量顯著增加;而平均梯度的增幅最明顯，說明融合結果的清晰度和對比度更好;同時，融合結果各個波段與谷歌地球影像的相關系數接近1，說明融合結果的逼真度也保持得較好。最后，相比Gram-Schmidt變換，除信息熵之外，主成分變換的其他各項指標均表現得更好，說明主成分變換融合的結果更優。

表1 融合結果定量評價

3 討論

該研究首先對Landsat 8 OLI影像的多光譜和全色波段用Brovey變換方法進行了融合，然后進一步用不同方法與谷歌地球高分辨率影像進行了融合。分析表明，無論從目視效果還是定量指標來評價，主成分變換的融合結果都是最好的，基本能滿足高分辨率谷歌地球遙感數據和Landsat 8 OLI影像的融合要求。

［1］SHEVYRNOGOV A，TREFOIS P，VYSOTSKAYA G.Multi-satellite data merge to combine NOAA AVHRR efficiency with Landsat-6 MSS spatial resolution to study vegetation dynamics［J］.Adv Space Res，2000，26(7):1131－1133.

［2］MULARZ S，DRZEWIECKI W，PIROWSKI T.Merging landsat TM images and airborne photographs for monitoring open-cast mine area［J］.International Archives of Photogrammetry and Remote Sensing，2000，33(B7/3;PART 7):920 －927.

［3］ERDOGAN M，MARASH，YILMAZ A，et al.Resolution merge of 1∶35 000 scale aerial photographs with Landsat 7 ETM imagery ［J］.Int Archives Photogrammetry，Remote Sensing，and Spatial Information Sciences，2008，37:1281－1285.

［4］李軍，周月琴，李德仁.小波變換用于高分辨率全色影像與多光譜影像的融合研究［J］.遙感學報，1999(2):33 －38，81.

［5］鐘志勇，陳鷹，黎運高.分辨率相差較大的衛星影像融合方法研究［C］//Proceedings of the中國圖象圖形學會第十屆全國圖像圖形學術會議(CIG’2001)和第一屆全國虛擬現實技術研討會(CVR’2001)，F，2001.

［6］王文君，秦其明，陳思錦，等.一種基于特征的遙感影像融合新方法［J］.遙感技術與應用，2004(4):258 －261.

［7］趙英時.遙感應用分析原理與方法［M］.北京:科學出版社，2003.

［8］贠培東，曾永年，歷華.不同遙感影像融合方法效果的定量評價研究［J］.遙感信息，2007(4):40 －45，105.